این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم دامی، جلد ۳۱، شماره ۱۱۹، صفحات ۱۴۳-۱۵۴
عنوان فارسی امکان سنجی استفاده از فن آوری بینایی ماشین برای تخمین وزن جوجه‌های گوشتی
چکیده فارسی مقاله این مطالعه با هدف بررسی امکان استفاده از فناوری بینایی ماشین برای تخمین وزن جوجه های گوشتی انجام شد. تعداد 600 قطعه جوجه سویه راس در شرایط استاندارد برای یک دوره 42روزه پرورش یافت. در فواصل زمانی مشخص(7 روز یکبار)، 60 قطعه جوجه از مجموع 600 قطعه به تصادف انتخاب و با ترازوی مناسب وزن کشی شد. در روز وزن کشی همزمان از جوجه ها تصاویر دیجیتال تهیه شد(بصورت انفرادی و در گروه های 2، 3 و 4 تایی). تصاویر دیجیتال جوجه ها ابتدا پیش پردازش اولیه شده و تبدیلات لازم روی عکس ها انجام و با طراحی الگوریتم مناسب خصوصیات مورد نیاز از تصاویر استخراج گردید. از این خصوصیات برای طراحی مدل شبکه عصبی جهت تخمین وزن جوجه ها استفاده شد. ضریب همبستگی بین ویژگی های استخراج شده از تصاویر شامل طول محور اصلی، طول محور فرعی ، جعبه محاطی، مساحت قسمت محدب،مساحت ناحیه پرشده، محیط تصویرو مساحت تصویر با وزن زنده جوجه ها به ترتیب 92/0، 93/0، 53/0، 99/0، 99/0، 94/0و 99/0 برآوردشد(01/0p<). شبکه عصبی پرسپترون چند لایه که با الگوریتم پس انتشار خطا آموزش دید، با تعداد 22 نرون در لایه ورودی، 20 نرون در لایه میانی و یک نرون در لایه خروجی بالاترین دقت (99%) را در تخمین وزن زنده جوجه های گوشتی در مقاطع مختلف زمانی ارائه داد. نتایج بررسی حاضر نشان داد که امکان استفاده از پردازش تصاویر و شبکه عصبی مصنوعی به عنوان یک ابزار مناسب و کارآمد برای تخمین وزن جوجه‌های گوشتی در طول دوره پرورش وجود دارد.
کلیدواژه‌های فارسی مقاله جوجه های گوشتی، تخمین وزن، بینایی ماشین، شبکه عصبی مصنوعی،
عنوان انگلیسی The feasibility of using machine vision technology to estimate the weight of broiler chickens
چکیده انگلیسی مقاله ABESTRACT This research was conducted to investigate the feasibility of estimating the weight of broiler chicks using machine vision technology. 600 Ross broiler chicks were reared under standard conditions for a 42-day period. At selected intervals (7 days), 60 birds from a total of 600 chicks were randomly selected and weighed individually using the appropriate scale. At the same times, digital images were captured individually and in groups 2, 3 and 4 of birds. The digital images were initially preprocessed and the necessary changes were made on the photos and required features were extracted from images by designing an appropriate algorithm, and these features were used to design the neural network to estimate the body weight of chicks. The correlation coefficient between the extracted features of digital images including the Major axis length, Minor axis length, Bonding box, Convex Area, Filled area, Perimeter and Area of the image with live weight of the chicks were 0/92, 0/93, 0/53, 0/99, 0/99, 0/94, and 0/99 respectively (p < 0.01). A Multilayer perceptron neural network, which was trained with back propagation learning algorithm, containing 22 neurons in the input layer, 20 neurons in the mid layer and one neuron in the output layer presented the highest accuracy(99%) to estimate the weight of broiler chicks at different ages. The results of this study showed that there is a possibility of using image processing and artificial neural network as an appropriate and efficient tool to estimate the weight of broiler chicks during the breeding period.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی خجسته کی |
بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران.

محمد یگانه پرست |
بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران

مجید کلانتر نیستانکی |
1- بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان قم، سازمان تحقیقات، آموزش و ترویج کشاورزی، قم، ایران

حسن صادقی پناه |
موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج

نشانی اینترنتی http://asj.areo.ir/article_117305_2e3c826136401cf19802ab9e2eb890f3.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/953/article-953-912777.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات